keremberke/yolov8n-detección-de-células-sanguíneas

keremberke

Detección de objetos

Un modelo para la detección de células sanguíneas utilizando YOLOv8, desarrollado en PyTorch. Entre sus características principales se incluyen la capacidad de detección de objetos y la utilización de TensorBoard para visualización. El modelo es parte del conjunto ultralytics v8 y ultralyticsplus, y se puede evaluar utilizando los resultados proporcionados.

Como usar

Instalar ultralyticsplus:
pip install ultralyticsplus==0.0.23 ultralytics==8.0.21

Cargar el modelo y realizar una predicción:
from ultralyticsplus import YOLO, render_result

# cargar modelo
model = YOLO('keremberke/yolov8n-blood-cell-detection')

# establecer parámetros del modelo
model.overrides['conf'] = 0.25 # umbral de confianza NMS
model.overrides['iou'] = 0.45 # umbral IoU NMS
model.overrides['agnostic_nms'] = False # NMS independiente de la clase
model.overrides['max_det'] = 1000 # número máximo de detecciones por imagen

# establecer imagen
image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'

# realizar inferencia
results = model.predict(image)

# observar resultados
print(results[0].boxes)
render = render_result(model=model, image=image, result=results[0])
render.show()

Funcionalidades

Detección de objetos
Compatible con TensorBoard
Desarrollado en PyTorch
Parte del conjunto ultralytics v8
Capacidades de inferencia y evaluación
Modelo ajustable con múltiples parámetros de configuración

Casos de uso

Detección de plaquetas, glóbulos rojos (RBC) y glóbulos blancos (WBC) en imágenes de sangre
Análisis automatizado de imágenes médicas
Apoyo en diagnósticos médicos mediante la identificación de tipos de células sanguíneas